《临床放射学杂志》发表论文赏析
作者:蔡嘉宁, 曹思薇, 吴昱, 王扬, 张五岳, 郑洪彦, 孟巍, 李梦如, 闫梦璐, 高波
单位:150001 哈尔滨医科大学附属第二医院放射科(蔡嘉宁、曹思薇、吴 昱、王 扬、李梦如、闫梦璐、高 波);超声科(张五岳);病理科(郑洪彦);150001 哈尔滨医科大学附属肿瘤医院放射科(孟 巍)
摘要:目的构建联合乳腺X线摄影(MMG)与超声(US)双模态影像特征及临床因素的列线图模型,评估其对乳腺影像报告和数据系统(BI-RADS)4类病变恶性风险的预测价值。方法回顾性分析来自两个中心的915例经MMG诊断为BI-RADS 4类患者。将中心1的患者按7∶3比例随机分为训练集(<em>n</em>=481)与内部测试集(<em>n</em>=206),中心2作为外部测试集(<em>n</em>=228)。采用Boruta算法与最小绝对收缩和选择算法(LASSO)回归筛选特征,通过多因素<em>Logistic</em>回归构建恶性风险预测模型,最终将该模型可视化为列线图。采用受试者工作特征曲线(ROC)曲线下面积(AUC)评估模型的区分度,校准曲线评估其一致性,并通过决策曲线分析(DCA)评估临床净获益。结果LASSO回归模型最终筛选出11个预测因子。Boruta算法确认了包括上述因子在内的16个重要特征。基于Boruta算法构建的模型在训练集、内部测试集和外部测试集中预测恶性风险的AUC值分别为0.944、0.926和0.897。校准曲线和DCA均提示模型具有良好的校正效果和临床实用性。结论基于双模态影像联合临床因素构建的列线图模型对BI-RADS 4类病变的恶性风险具有良好的预测效能。引入Boruta算法有助于实现更全面、稳健的特征筛选,从而提升特征选择结果的可靠性及模型的临床可解释性。
关键词:乳腺病变,乳腺X线摄影,超声检查,列线图,Boruta算法
基金资助:本研究系国家自然科学基金面上项目(编号:62172129)
2026年8期其他文献查阅:
基于ADC全域直方图术前预测节细胞胶质瘤BRAF V600E突变的价值研究
乳腺浸润性导管癌与浸润性小叶癌锥光束乳腺CT毛刺征象与临床病理对照研究
基于Boruta算法的双模态影像及临床特征预测乳腺BI-RADS 4类病变恶性风险
酰胺质子转移成像联合DWI鉴别三阴性与非三阴性乳腺癌的初步研究
基于多参数MRI-Transformer架构融合模型预测乳腺癌HER2-0与HER2-low:一项双中心研究
基于DCE-MRI瘤内及瘤周联合临床病理信息的Nomogram预测乳腺癌肿瘤浸润淋巴细胞水平
基于T1WI增强序列影像学分型评估经Ommaya囊鞘内化疗肺腺癌软脑膜转移患者的预后因素的双中心研究
病灶特异性冠状动脉周围脂肪衰减指数联合CT-FFR对冠心病患者主要不良心血管事件的预测价值
机器学习诊断粗梁-团块亚型肝细胞癌效能的系统评价和Meta分析
股方肌体素内不相干运动扩散加权成像联合T2*值定量评估坐骨股骨撞击综合征的价值研究